آیا یک عامل هوش مصنوعی واقعاً کاربر را می‌شناسد یا فقط در حال جست‌وجو در یک فایل متنی است؟ پاسخ پژوهشگران جدید به این پرسش، عبور از «بازیابی» و حرکت به سمت «محاسبه» است.
سیستم‌های فعلی از حافظه «کیسه-حقایق» استفاده می‌کنند؛ یعنی متون بدون ساختار یا گراف‌های دانشی که از طریق بازیابی فراخوانده می‌شوند. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی تولید بازیابی‌افزا (Retrieval-Augmented Generation - RAG) اشاره کردیم، این روش‌ها در استخراج تک‌حقایق موفق‌اند اما در تحلیل‌های تجمیعی و اجرای قوانین سخت‌گیرانه شکست می‌خورند.
به نقل از گزارش منتشر شده در arxiv.org در ۱۶ ژوئن ۲۰۲۶، چارچوب User as Code (UaC) مدل کاربر را به یک پروژه نرم‌افزاری زنده تبدیل می‌کند. این سازوکار از یک خط‌لگ (log) «فقط-افزودنی» استفاده می‌کند که هیچ حقیقتی را حذف نمی‌کند و به‌صورت دوره‌ای آن‌ها را به کدهای تایپ‌شده تبدیل می‌کند.
جزئیات فنی این معماری را می‌توان در سه محور دید:
- اشیاء پایتونی تایپ‌شده (Typed Python objects): برای حفظ وضعیت (state) کاربر.
- توابع پایتونی: برای کدگذاری قوانینی که بر این وضعیت حاکم است.
- محیط اجرا: نمایش و استدلال درباره‌ی کاربر در یک محیط واحد که مفسر (interpreter) می‌تواند آن را اجرا کند.
در بنچمارک LOCOMO، عملکرد UaC در بازیابی حقایق با قوی‌ترین سیستم‌ها برابر بود (۷۸.۸٪). اما شکاف واقعی در پرسش‌های تجمیعی — مانند «سال گذشته چند سفر بین‌المللی داشتم؟» — ظاهر شد. در حالی که دقت حافظه‌های مبتنی بر بازیابی به ۶ تا ۴۳ درصد سقوط کرد، UaC با دقت ۹۹ درصد پاسخ داد.
این تحول یعنی عبور از جست‌وجو به سمت محاسبه. در این حالت، عامل دیگر به‌دنبال پاسخ نمی‌گردد، بلکه آن را روی یک وضعیت تایپ‌شده محاسبه می‌کند. این اجرای قطعی (deterministic) اجازه می‌دهد تا هشارهای حیاتی و خودجوش تولید شوند؛ مثلاً شناسایی تداخل یک داروی جدید با حساسیتی که ماه‌ها پیش ثبت شده است؛ چیزی که حافظه‌های پرس‌وجو-محور هرگز به‌طور خودکار متوجه آن نمی‌شوند.
گام بعدی شما
- بررسی پیاده‌سازی UaC برای کاربردهای حساس مانند دستیارهای پزشکی یا مالی که خطای محاسباتی در آن‌ها پذیرفتنی نیست.
- تحلیل هزینه استنتاج (Inference) این رویکرد در مقیاس میلیون‌ها پروفایل کاربر منحصر‌به‌فرد.
- مطالعه اثر تبدیل حافظه به کد بر امنیت و حریم خصوصی داده‌های کاربر.
اما اثر این رویکرد بر مصرف GPU در مقیاس انبوه چه خواهد بود؟ به تحلیل ما درباره‌ی بهینه‌سازی‌های سخت‌افزاری مراجعه کنید.
گفتگو